[发明专利]图像质量的评估方法及装置、电子设备和存储介质有效

专利信息
申请号: 202110336142.5 申请日: 2021-03-29
公开(公告)号: CN112991313B 公开(公告)日: 2021-09-14
发明(设计)人: 冯雪;岳孟坤;张金松;唐云龙;王锦阳 申请(专利权)人: 清华大学
主分类号: G06T7/00 分类号: G06T7/00;G06T7/11;G06T7/187;G06T7/62;G06T7/66
代理公司: 北京林达刘知识产权代理事务所(普通合伙) 11277 代理人: 刘新宇
地址: 100084*** 国省代码: 北京;11
权利要求书: 查看更多 说明书: 查看更多
摘要:
搜索关键词: 图像 质量 评估 方法 装置 电子设备 存储 介质
【权利要求书】:

1.一种图像质量的评估方法,其特征在于,所述方法包括:

获取待评估的灰度图像;

对所述灰度图像分别进行特征提取,确定所述灰度图像的灰度特征、离散特征及面积特征,所述离散特征包括离散梯度;

根据所述灰度特征、所述离散特征、所述面积特征以及权重系数矩阵,确定质量参考值,所述质量参考值用于评估所述灰度图像的图像质量;

其中,所述对所述灰度图像分别进行特征提取,确定所述灰度图像的灰度特征、离散特征及面积特征,包括:

确定所述灰度图像的中心点位置;

对所述灰度图像进行二值化处理,并确定二值化处理后的灰度图像的多个连通域;

确定每个连通域的重心位置,并分别确定每个连通域的重心位置到所述中心点位置的目标距离;

根据所有目标距离以及所述连通域的个数,确定平均距离;

根据所述平均距离、所有目标距离以及所述连通域的个数,确定所述离散特征。

2.根据权利要求1所述的方法,其特征在于,所述获取待评估的灰度图像,包括:

获取图像采集装置采集的数字图像;

在所述数字图像为非灰度图像时,对所述数字图像进行灰度处理,得到所述待评估的灰度图像;

在所述数字图像为灰度图像时,将所述数字图像确定为所述待评估的灰度图像。

3.根据权利要求1所述的方法,其特征在于,所述对所述灰度图像分别进行特征提取,确定所述灰度图像的灰度特征、离散特征及面积特征,包括:

对于所述灰度图像中的每个像素点,分别确定沿第一方向的第一灰度梯度以及沿第二方向的第二灰度梯度,并根据所述第一灰度梯度以及所述第二灰度梯度,确定像素点对应灰度梯度的向量的模;

根据所述灰度图像中每个像素点对应灰度梯度的向量的模以及所述灰度图像的尺寸信息,确定所述灰度特征。

4.根据权利要求1所述的方法,其特征在于,所述对所述灰度图像分别进行特征提取,确定所述灰度图像的灰度特征、离散特征及面积特征,包括:

对所述灰度图像进行二值化处理,并确定二值化处理后的灰度图像的多个连通域;

确定所述连通域的个数、每个连通域的面积、所述连通域的总面积以及所有连通域的平均面积;

在存在有连通域的面积与所述平均面积不相等时,根据每个连通域的面积、平均面积以及连通域的个数,确定所述面积特征;

在每个连通域的面积与所述平均面积均相等时,根据所述连通域的总面积以及所述连通域的个数,确定所述面积特征。

5.根据权利要求1所述的方法,其特征在于,所述权重系数矩阵包括与所述灰度特征对应的第一权重系数、与所述离散特征对应的第二权重系数以及与所述面积特征对应的第三权重系数,

其中,所述第一权重系数大于或等于0且小于或等于1,所述第二权重系数大于或等于0且小于或等于1,所述第三权重系数大于或等于-1且小于或等于0。

6.根据权利要求5所述的方法,其特征在于,所述第一权重系数大于或等于所述第二权重系数,所述第一权重系数大于或等于所述第三权重系数的绝对值。

7.一种图像质量的评估装置,其特征在于,所述装置包括:

图像获取模块,用于获取待评估的灰度图像;

特征提取模块,用于对所述灰度图像分别进行特征提取,确定所述灰度图像的灰度特征、离散特征及面积特征,所述离散特征包括离散梯度;

确定模块,用于根据所述灰度特征、所述离散特征、所述面积特征以及权重系数矩阵,确定质量参考值,所述质量参考值用于评估所述灰度图像的图像质量;

其中,所述对所述灰度图像分别进行特征提取,确定所述灰度图像的灰度特征、离散特征及面积特征,包括:

确定所述灰度图像的中心点位置;

对所述灰度图像进行二值化处理,并确定二值化处理后的灰度图像的多个连通域;

确定每个连通域的重心位置,并分别确定每个连通域的重心位置到所述中心点位置的目标距离;

根据所有目标距离以及所述连通域的个数,确定平均距离;

根据所述平均距离、所有目标距离以及所述连通域的个数,确定所述离散特征。

下载完整专利技术内容需要扣除积分,VIP会员可以免费下载。

该专利技术资料仅供研究查看技术是否侵权等信息,商用须获得专利权人授权。该专利全部权利属于清华大学,未经清华大学许可,擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作,请联系【客服

本文链接:http://www.vipzhuanli.com/pat/books/202110336142.5/1.html,转载请声明来源钻瓜专利网。

×

专利文献下载

说明:

1、专利原文基于中国国家知识产权局专利说明书;

2、支持发明专利 、实用新型专利、外观设计专利(升级中);

3、专利数据每周两次同步更新,支持Adobe PDF格式;

4、内容包括专利技术的结构示意图流程工艺图技术构造图

5、已全新升级为极速版,下载速度显著提升!欢迎使用!

请您登陆后,进行下载,点击【登陆】 【注册】

关于我们 寻求报道 投稿须知 广告合作 版权声明 网站地图 友情链接 企业标识 联系我们

钻瓜专利网在线咨询

周一至周五 9:00-18:00

咨询在线客服咨询在线客服
tel code back_top